- •1. Классическое и геометрическое определение вероятности, элементы комбинаторики
- •2. Аксематическое определение вероятности. Свойства вероятности.
- •3. Формула полной вероятности. Формула Байеса.
- •4. Схема независимых испытаний Бернулли. Предельная теорема Пуассона.
- •5. Классификация случайных величин.
- •2) Непрерывные случайные величины.
- •6. Математическое ожидание и его свойства.
- •7. Дисперсия и ее свойства.
- •Свойства дисперсии:
- •8. Характеристические функции и их свойства.
- •Свойства характеристической функции :
- •Способы описания св:
- •9.Теорема об обращении характеристической функции.
- •1 1. Виды сходимости случайных последовательностей.
- •13.Критерий сходимости в среднем квадратичном.
- •15. Усиленный закон больших чисел.
- •16. Центральная предельная теорема.
- •10.Производящие функции и их свойства.
- •17. Определение случайного процесса.
- •19. Статистические средние характеристики случайных процессов.
- •20. Сходимость в среднем квадратичном для случайных процессов.
- •21. Непрерывность случайных процессов.
- •22. Дифференцируемость случайных процессов.
- •23. Интегрирование случайных процессов.
- •24. Стохастические обыкновенные дифференциальные уравнения.
- •25. Процессы с независимыми приращениями.
- •26. Гауссовский случайный процесс.
- •27. Винеровский случайный процесс.
- •28. Марковские случайные процессы и цепи маркова определения.
- •29. Однородные цепи Маркова.
- •32. Уравнения Чепмена-Колмогорова.
- •33. Нахождение вероятностей переходов с помощью производящих функций.
- •34. Классификация состояний цепи Маркова по арифметическим свойствам вероятностей перехода
- •35. Свойство периода состояния.
- •36. Классификация состояний по асимптотическим свойствам переходных вероятностей
- •37. Критерий возвратности состояний.
- •38.Эргодические цепи Маркова
- •40. О средних временах переходов между состояниями
- •41. Стационарные цепи Маркова
- •42. Оптимальные стратегии в марковских цепях
- •43. Система диф.Ур-ий Колмогорова для однородной цепи Маркова с конеч.Числом состояний.
- •44. Процесс гибели и размножения
- •49. Обобщенное уравнение Маркова
- •50.Диффузионные процессы
- •51. Обратное уравнение Колмогорова
- •45. Марковские системы массового обслуживания.
- •Рассмотрим систему с простейшим потоком и экспоненциальным обслуживанием
- •46. Система обслуживания м / м / 1
- •47.Система м / м / n / 0
- •48. Система обслуживания м / м / n
- •52.Прямое уравнение Колмогорова для диффузных процессов
- •53. Стохастический интеграл Ито
- •54. Стохастический интеграл в форме Стратоновича
- •55. Стохастические дифференциальные уравнения
- •39. Закон больших чисел для цепей Маркова с конечным числом состояний.
- •57. Стационарность гауссовского случ.Процесса.
- •58. Теорема Бохнера., спектральная плотность случ.Процесса.
- •60. Мартингалы.
- •18. Пуассоновский случ.Процесс
- •Классическое и геометрическое определение вероятности, элементы комбинаторики
22. Дифференцируемость случайных процессов.
Опр. Случайный процесс ξ(t) называется дифференцируемым в среднем квадратичном в точке t0, если существует передел
Случайная функция ξ’(t0) называется среднеквадратичной производной процесса в точке t0.
Т.1. (критерий дифференцируемости в среднем квадратичном). Для того чтобы процесс ξ(t) был дифференцируемым в среднем квадратичном в точке t0, необходимо и достаточно, чтобы существовала частная смешанная производная второго порядка корреляционной функции в точке t0=t1=t2.
Док-во. Обозначим
Тогда по критерию сходимости в среднем квадратичном для существования производной ξ’(t0) необходимо и достаточно существование предела
Имеем:
Последняя частная производная, по условию теоремы, существует, а значит, существует предел (1).
Т.2. если для всех t T существует вторая смешанная производная от корреляционной функции при совпадающих аргументах , то существуют первые и вторая смешанные производные при несовпадающих аргументах
Док-во. Действительно, исходя из предыдущей теоремы, существование означает существование ξ’(t1). Обозначив
Также существует предел
23. Интегрирование случайных процессов.
Пусть случайный процесс ξ(t) и неслучайная функция заданы на интервале [a,b]. Разобьем этот интервал точками a=t1<t2<…<tn=b.
Опр. Случайный процесс ξ(t) интегрируем в среднем квадратичном на отрезке [a,b], если существует конечный предел в среднем квадратичном интегральных сумм:
Т.1. (критерий интегрируемости случайного процесса в среднем квадратичном). Для того чтобы процесс ξ(t) был интегрируем в среднем квадратичном, необходимо и достаточно, чтобы существовал двойной интеграл от его корреляционной функции
Док-во. по критерию сходимости, для существования интеграла (1) необходимо и достаточно существование предела
Т.к.
то как раз в качестве А можно взять двойной интеграл (2).
Под несобственными интегралами в среднем квадратичном будем понимать соответственно пределы
24. Стохастические обыкновенные дифференциальные уравнения.
Под стохастическим обыкновенным дифференциальным уравнением обычно понимается дифференциальное уравнение относительно среднеквадратичной производной случайного процесса. Рассмотрим линейное дифференциальное уравнение первого порядка
ξ'(t) +a(t)ξ(t)=η(t) (1)
удовлетворяющее начальному условию ξ(0) = х0, где а(t) действительная функция, η(t), t≥ 0, - известный случайный процесс, х0 -заданное число. Рассмотрим взаимную функцию корреляции процессов ξ(t) и η(t) Rξη(t1,t2). Определяя среднее значение от обеих сторон уравнения (1), получим
Найдем теперь дифференциальное уравнение для корреляционной функции Rξη(t1,t2). Сначала умножим обе стороны уравнения (1) при t= t1, на η(t2) и определим средние значения для обеих сторон. Тогда будем иметь
Можно найти решение этого уравнения при начальном условии Rξη(0,t2)=x0mη(t2). Далее, умножив обе стороны уравнения (1) при t= t2, на ξ(t1) и определив средние значения, получим
для которого можно также найти решение при начальном условии Rξη\(t1,0)=x0mξ(t1).
Рассмотренный метод можно также применить в случае, когда в качестве х0 берется некоторая СВ.